Pôle de recherche
Diagnostic et Maintenance des systèmes de Transport Guidé

CCF-FI
Détection et classification de défauts de rail par capteur à courants de Foucault

 



 

 

 

 

 

Dans un contexte de métro à conduite automatisée, un capteur à courants de Foucault a été développé avec le soutien du programme de recherche inter-ministériel PREDIT (programme de Recherche et d'Innovation dans les Transports Terrestres), et les partenaires RATP, COGIFER, INRETS et CMS.

Ce capteur est capable de renseigner sur la présence de fissures du champignon du rail et d'arrachements importants avec des conditions de mesure en exploitation commerciale. Un prototype a été testé in situ avec succès ainsi que des procédures de classification de défauts par réseaux de neurones. Un brevet RATP-INRETS a été déposé. Ce capteur comprend deux bobinages de mesure de type différentielle d'entraxes différents, alimentés simultanément à deux fréquences.

 

Ces recherches ont fait l'objet d'un mémoire de thèse soutenu en 1997 qui détaille un certain nombre de résultats obtenus dans le domaine de la reconnaissance des formes et de la classification  :

- une modélisation originale des signatures courants de Foucault (Descripteurs de Fourier modifiés).
- une procédure d'optimisation de l'espace de représentation des signatures développée en liaison avec l'équipe du Pr. Dreyfus de l'ESPCI.
- une procédure de classification par réseaux de neurones supervisés travaillant selon une approche dite "par partition" conjointement à l'utilisation de métrique non euclidienne, et permettant d'atteindre de très bons taux de bonne classification sur une base à 4 classes.

Une collaboration avec le laboratoire CRAN de Nancy (Equipe du Pr. Bloch à l'ESSTIN) a été l'occasion d'une thèse sur les thématiques suivantes :
  • implantation temps réel des algoritmes de détection
  • utilisation des méthodes de déconvolution pour le prétraitement des signatures courants de Foucault
  • utilisation des méthodes de Séparation de Sources pour l'aide à la classification des défauts
  • utilisation de nouveaux classifieurs, type Support Vectors Machine
Par ailleurs, dans le cadre du projet RAILBAYES, un second axe de recherche a été dégagé sur la fusion de décision en collaboration avec P. Weber de l'ESSTIN-CRAN Nancy. En effet, la succession des défauts à la voie suit un certain nombre de règles statistiques liées aux contraintes de pose des rails. Ces règles peuvent être modélisées à l'aide de d'outils comme les Chaînes de Markov ou les Réseaux Bayesiens qui peuvent générer des probabilités d'apparition de motifs séquentiels, indépendamment de la mesure. Une étape finale de fusion de cette décision globale avec la décision locale - prise grâce aux informations capteur -, est en cours.

Personnes : Patrice Aknin, Latifa Oukhellou, Mohamed Bentoumi

Modifié le 22/11/2005 par PA